ترتيب إخفاقات لم يتبع التعليمات

اكتشف أي نماذج الذكاء الاصطناعي تواجه لم يتبع التعليمات أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار. الترتيب حسب: زمن الاستجابة (المتوسط) ↓.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

Xing4.0 29b A4b 3

الفئات

ضمن الفئة حل الألغاز166 ضمن الفئة الذكاء العام142 ضمن الفئة اتباع التعليمات77 ضمن الفئة حيل مضادة للذكاء الاصطناعي52 ضمن الفئة البرمجة50 ضمن الفئة استدعاء الأدوات13 ضمن الفئة مهام الوكلاء10 ضمن الفئة تحليل البيانات واستخراجها8 ضمن الفئة خاص بالمجال3 ضمن الفئة مجمّع1

293/293

الترتيب	النموذج	الشركة	عدد لم يتبع التعليمات	النتيجة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#82	Nemotron 3.5 Super VL high	NVIDIA	2	0.8	$0.349	15/23	49.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.349 زمن الاستجابة (المتوسط) 49.9s
#183	MiMo-V2.5 medium	Xiaomi	1	0.7	$0.130	12/23	49.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.130 زمن الاستجابة (المتوسط) 49.2s
#384	Ring 2.6 1t default	Inclusionai	2	0.4	$0.026	9/23	48.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.026 زمن الاستجابة (المتوسط) 48.9s
#104	Seed-2.0-Lite medium	Bytedance Seed	2	0.8	$0.271	14/23	48.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.271 زمن الاستجابة (المتوسط) 48.9s
#314	Nemotron 3.5 Super VL none	NVIDIA	2	0.6	$0.040	8/23	47.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.040 زمن الاستجابة (المتوسط) 47.0s
#145	Qwen3.8 27B low	Qwen	1	0.8	~$0.089	15/23	46.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة ~$0.089 زمن الاستجابة (المتوسط) 46.6s
#173	Qwen3.7 Flash high	Qwen	1	0.7	$0.063	13/23	45.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.063 زمن الاستجابة (المتوسط) 45.5s
#152	Qwen3.6 Flash medium	Qwen	1	0.7	$0.783	13/23	45.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.783 زمن الاستجابة (المتوسط) 45.5s
#236	Grok 4.3 medium	X AI	2	0.6	$0.989	12/23	44.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.989 زمن الاستجابة (المتوسط) 44.5s
#124	Muse Wonder max	Meta	1	0.8	$4.766	16/23	44.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $4.766 زمن الاستجابة (المتوسط) 44.4s
#117	GLM 5.3 FlashX max	Z.ai	1	0.8	$0.623	15/23	44.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.623 زمن الاستجابة (المتوسط) 44.0s
#421	Xing4.0 29b A4b none	Xingchen AGI	5	0.3	$0.000	0/23	42.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 23 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 42.7s
#364	Mimo V2 Omni medium	Xiaomi	2	0.5	$0.683	10/21	41.2s
إجمالي الاختبارات 21 الاختبارات الخاطئة 11 إجمالي التكلفة $0.683 زمن الاستجابة (المتوسط) 41.2s
#140	Qwen3.7 Flash low	Qwen	3	0.8	$0.071	12/23	41.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.071 زمن الاستجابة (المتوسط) 41.0s
#194	Minimax M3.1 Flash max	Minimax	1	0.7	$0.000	11/23	40.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 40.9s

إخفاقات لم يتبع التعليمات

تصفية النماذج

أفضل النماذج حسب عدد لم يتبع التعليمات

عدد لم يتبع التعليمات مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)